【摘要】：如今固有的道路設(shè)施資源與不斷增加的交通需求形成了矛盾,飽和度過(guò)高的車(chē)流量給交通運(yùn)行帶來(lái)了很大的負(fù)擔(dān)。本文從被動(dòng)的信號(hào)控制和主動(dòng)的交通分配兩個(gè)角度著手研究路網(wǎng)中交通流的控制問(wèn)題,圍繞單交叉口的信號(hào)配時(shí)、主干道交通流的協(xié)調(diào)控制和動(dòng)態(tài)的隨機(jī)用戶(hù)平衡分配制定控制方案以達(dá)到提高交通效率、改善交通狀況的目的。具體工作如下:本文設(shè)計(jì)了一個(gè)兩步模糊邏輯控制器對(duì)單交叉口進(jìn)行信號(hào)配時(shí),即先決定信號(hào)相位,再確定綠燈時(shí)間。針對(duì)模糊決策決定信號(hào)相位會(huì)導(dǎo)致相序混亂的問(wèn)題,引入一個(gè)人為的相序規(guī)則,結(jié)合模糊邏輯一起決定相位以保證信號(hào)主相位能被順序執(zhí)行。傳統(tǒng)的模糊控制器往往以當(dāng)前的交通流量作為參考輸入,本文通過(guò)小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)車(chē)流并把預(yù)測(cè)量作為控制器輸入,使信號(hào)控制能間接考慮未來(lái)車(chē)輛到達(dá)率的影響。對(duì)于交通流隨時(shí)間變化的特性,設(shè)計(jì)了一個(gè)時(shí)變的隸屬度函數(shù)來(lái)自適應(yīng)變化的車(chē)流量。由于模糊控制器的參數(shù)確定困難,引入差分進(jìn)化算法優(yōu)化模糊規(guī)則避免人為確定控制參數(shù)的隨意性。仿真結(jié)果表明此控制器能顯著減少車(chē)輛延誤。針對(duì)主干道交叉口的信號(hào)控制問(wèn)題,本文提出了一個(gè)基于離散車(chē)隊(duì)的控制模型。借鑒Robertson離散公式描述上下游的車(chē)隊(duì)離散關(guān)系,證明了在干道轉(zhuǎn)向車(chē)流較少的情況下,下游車(chē)輛到達(dá)率滿(mǎn)足周期性關(guān)系。在此基礎(chǔ)上,利用周期數(shù)組保存模型中的中間變量使得上下游車(chē)流參數(shù)的計(jì)算可以用“查表”的方式代替“遞歸”的方式,減少運(yùn)算時(shí)間。當(dāng)某一交叉口發(fā)生占道事故使得車(chē)流量過(guò)飽和時(shí),通過(guò)改進(jìn)的元胞自動(dòng)機(jī)模型預(yù)估通行能力,然后設(shè)計(jì)排隊(duì)因子管理干道交叉口的排隊(duì)車(chē)輛,給出目標(biāo)函數(shù)。最后,根據(jù)目標(biāo)函數(shù)利用遺傳算法優(yōu)化各交叉口的相位差和綠燈時(shí)間。本文給出帶流量控制的動(dòng)態(tài)交通分配算法來(lái)主動(dòng)管理交通需求。在出行者的路徑概率選擇模型上,加入路徑重復(fù)度感知系數(shù),避免多條路徑中重復(fù)度高的路段被分配到較高的車(chē)流量。由于計(jì)算OD點(diǎn)間全部路徑十分費(fèi)時(shí),采取前k條最短路徑算法選擇路徑集。根據(jù)這個(gè)路徑概率模型設(shè)計(jì)了等價(jià)的數(shù)學(xué)模型并證明路徑流量解的唯一性。針對(duì)分配流量較高的路段,通過(guò)自組織特征映射神經(jīng)網(wǎng)絡(luò)聚類(lèi)與之關(guān)聯(lián)度高的路段。然后給這些路段施加懲罰因子并增加OD點(diǎn)間路徑重新分配交通流量。仿真表明,路網(wǎng)中交通流量能達(dá)到新的隨機(jī)用戶(hù)平衡狀態(tài)并且高流量路段的車(chē)流能被疏散到其他路段。本文從信號(hào)配時(shí)和車(chē)流分配兩個(gè)角度對(duì)交通車(chē)流進(jìn)行控制并對(duì)本文的控制方法均做了仿真實(shí)驗(yàn),結(jié)果表明,本文的控制策略能有效減少排隊(duì)車(chē)輛,降低車(chē)輛延誤。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：U491.23
【圖文】：

對(duì)于單交叉口的信號(hào)配時(shí)，以前往往是基于模型的�；谀Ｐ偷男盘�(hào)配時(shí)方法很依賴(lài)模型的正確性。而在實(shí)際情況中，針對(duì)復(fù)雜的車(chē)流運(yùn)動(dòng)現(xiàn)象，數(shù)學(xué)建模很難精確表達(dá)，而精確的數(shù)學(xué)建模要么建立在眾多的假設(shè)條件下，要么比較復(fù)雜。針對(duì)單交叉口的輸入?yún)?shù)比較少的特點(diǎn)，一些人工智能的控制方法往往能取代一些傳統(tǒng)的控制方法取得良好的結(jié)果，比如模糊控制。模糊控制的主要優(yōu)勢(shì)在于不用精確建模，對(duì)于非線(xiàn)性，強(qiáng)耦合，時(shí)變的系統(tǒng)比較有效[18]。為了在過(guò)飽和情況下，盡快疏散車(chē)流，減少車(chē)輛延誤，綠燈需要時(shí)變來(lái)配合密集變化的車(chē)流。這一章通過(guò)一個(gè)兩步的模糊控制，即先確定信號(hào)相位，再確定綠燈延長(zhǎng)時(shí)間，從而進(jìn)行信號(hào)配時(shí)。同時(shí)為了改進(jìn)以往單交叉口的模糊控制方法，本章從實(shí)際操作出發(fā)，從多個(gè)方面優(yōu)化模糊控制的輸出結(jié)果。首先在信號(hào)相位相序的確定上，將一個(gè)由小波神經(jīng)網(wǎng)絡(luò)確定的預(yù)測(cè)車(chē)流量加入到模糊控制的輸入中，從而讓相位的選擇具有前瞻性。針對(duì)車(chē)流量變化比較大的情況，本章提出了一種自適應(yīng)的隸屬函數(shù)去自適應(yīng)變化的車(chē)流量。其次在綠燈時(shí)間的延長(zhǎng)上，本章通過(guò)一種實(shí)時(shí)的檢測(cè)機(jī)制盡可能公平地分配綠燈時(shí)間。最后在模糊控制中的模糊邏輯規(guī)則的確定上，通過(guò)差分進(jìn)化算法去優(yōu)化模糊邏輯規(guī)則，避免人為確定的隨意性。通過(guò)對(duì)比定時(shí)控制，傳統(tǒng)的模糊控制，本章改進(jìn)的模糊控制方法來(lái)驗(yàn)證本章提出的優(yōu)化方法的有效性。

飽和狀態(tài)下城市道路交叉口的協(xié)調(diào)控制方法研究2.2 兩步模糊控制器的結(jié)構(gòu)2.2.1 控制對(duì)象本章研究對(duì)象是一個(gè)四相位的單交叉口，車(chē)輛的直行和左轉(zhuǎn)行為受信號(hào)燈控制，右轉(zhuǎn)不受控制。四個(gè)信號(hào)相位如圖 2.1 顯示。第一相位為南北直行，第二相位為南北左轉(zhuǎn)，第三相位為東西直行，第四相位為東西左轉(zhuǎn)。在實(shí)際模糊控制中，相序可能有變化，但仍會(huì)遵循一定的相序規(guī)則。接下來(lái)會(huì)比較詳細(xì)地介紹控制器的結(jié)構(gòu)和作用。2.2.2 模糊控制基本原理在人參與的實(shí)際控制系統(tǒng)當(dāng)中，雖然人對(duì)系統(tǒng)結(jié)構(gòu)沒(méi)有精確的認(rèn)知，但人們可以通過(guò)生活經(jīng)驗(yàn)對(duì)控制系統(tǒng)做出相對(duì)正確的決策。就比如交通系統(tǒng)，車(chē)流量多的相位給與更多的綠燈時(shí)間是生活常識(shí)。車(chē)多還是車(chē)少的模糊概念取代車(chē)流量這種精確概念，從而通過(guò)特定的模糊推理得到模糊的輸出量，最后去模糊化得到精確的控制量。模糊控制是一種數(shù)字電路控制，它需要 AD和 DA 轉(zhuǎn)換模塊[35]。如圖 2.2 所示：

主相位的執(zhí)行是有序的。如果執(zhí)行器執(zhí)行完了南北方向的左轉(zhuǎn)和直行，則下一階段的相位就是東西方向的左轉(zhuǎn)或者直行，反之亦然。模糊控制器負(fù)責(zé)確定在這個(gè)方向上是左轉(zhuǎn)還是直行。在這種情況下，主相位 A，B 是交替執(zhí)行的，相位選擇模糊控制器實(shí)際上在一個(gè)周期中被執(zhí)行兩次。綠燈延時(shí)模糊控制器的目的是輸出一個(gè)判斷變量來(lái)確定是否改變當(dāng)前相位。輸入變量包括當(dāng)前相位的排隊(duì)長(zhǎng)度和其他相位的平均排隊(duì)長(zhǎng)度。如果模糊控制器直接決定綠燈時(shí)間，則忽略了未來(lái)的車(chē)輛到達(dá)率，導(dǎo)致結(jié)果不準(zhǔn)確。如果車(chē)輛到達(dá)率也作為輸入之一，那么多個(gè)輸入導(dǎo)致的結(jié)果就是模糊規(guī)則很難制定和優(yōu)化。一般來(lái)說(shuō)，模糊規(guī)則的初始制定來(lái)源于交通管理者的經(jīng)驗(yàn)，再通過(guò)一些優(yōu)化算法優(yōu)化，變量越多，模糊規(guī)則的復(fù)雜度呈幾何式增長(zhǎng)。輸出是一個(gè)決策變量，當(dāng)達(dá)到閾值時(shí)，改變當(dāng)前相位。在這種情況下，模糊控制器間接考慮了車(chē)輛到達(dá)率。當(dāng)相位確定后，綠燈延時(shí)模塊將給出相位的最小綠燈時(shí)間。通過(guò)道路傳感器收集的交通流信息，綠燈延時(shí)模塊每隔幾秒鐘就判斷一次是延長(zhǎng)當(dāng)前綠燈時(shí)間還是直接切換相位。之所以引入相位的最小綠燈時(shí)間，是用來(lái)保證通過(guò)停車(chē)線(xiàn)的車(chē)輛能夠安全地穿過(guò)十字路口，并且當(dāng)交通流量比較小時(shí)，給行人和非機(jī)動(dòng)車(chē)輛一些過(guò)街時(shí)間。同時(shí)也要保證最大的綠燈時(shí)間，否則其他相位的車(chē)輛等待時(shí)間過(guò)長(zhǎng)，司機(jī)無(wú)法忍受。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊洋;廖奕寧;;城市道路交叉口平面優(yōu)化設(shè)計(jì)分析[J];四川建材;2019年01期

2 肖恒;;城市道路交叉口改造設(shè)計(jì)優(yōu)化方案[J];交通世界;2019年11期

3 王雪雪;王冬冬;;城市道路交叉口智能研判分析方法研究[J];智能城市;2019年21期

4 陳宗和;;論城市道路交叉口設(shè)計(jì)對(duì)緩解交通擁堵的重要性[J];居舍;2018年34期

5 李國(guó)慶;;城市道路交叉口設(shè)計(jì)要點(diǎn)研究[J];工程技術(shù)研究;2016年05期

6 劉亞帝;;城市道路交叉口交通組織優(yōu)化設(shè)計(jì)探討[J];江西建材;2016年07期

7 謝啟星;;對(duì)城市道路交叉口交通組織優(yōu)化設(shè)計(jì)的分析探討[J];江西建材;2016年20期

8 吳超;;城市道路交叉口優(yōu)化設(shè)計(jì)探究[J];四川水泥;2015年03期

9 楊s

本文編號(hào)：2799741